导读:本文包含了手写字母识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,维吾尔,特征,字母,手写体,轮廓,形状。
手写字母识别论文文献综述
刘方舟[1]（2019）在《基于KNN算法的手写字母识别》一文中研究指出数据挖掘是指通过多种算法从海量数据中搜索隐藏于其中有用信息的过程。在无序中寻找有序、在纷乱中发现规律,是数据挖掘的核心价值所在。它主要通过数理统计、在线分析处理、情报检索、机器学习、专家系统、模式识别等诸多方法来实现既定目标。本文利用数据挖掘中的K近邻算法(KNN),根据从大量手写英文字母图像中提取出的原始特征属性,对手写字母进行计算机算法自动分类,从而达到对手写字母识别的目的。这对于在电脑编辑大大多于手写文本的快节奏现实生活中,及时准确识别出手写文献信息内容,具有重要意义。(本文来源于《全国流通经济》期刊2019年03期）
王维,万文略[2]（2018）在《基于组合特征的手写英文字母识别方法》一文中研究指出为了消除考试中使用答题卡的限制,提高考试阅卷的自动化水平,就手写英文字母的识别问题提出一种新的基于组合特征的识别方法。首先对待识别字符区域进行拍照,对所拍图像进行滤波、二值化、投影处理得到处理后图像,对处理后图像提取轮廓特征得到识别结果;然后对处理后图像提取形状特征,对像素数据进行差分运算得到识别结果;最后将两种不同特征的识别结果进行融合即可得到最终的识别结果。轮廓特征与形状特征相结合的组合特征手写英文字母识别方法能够互相补充,该方法不需要对图像作复杂的细化处理,减少了处理时间;也不需要提前对手写英文字母进行训练,因而比神经网络方法简单快速。通过对样本进行测试,手写英文字母识别正确率在95%以上,对于一些非常规手写体字母也能成功识别。实验证明该方法可以较快地完成手写英文字母识别,识别正确率较高,并具有较好的鲁棒性。(本文来源于《计算机应用》期刊2018年S2期）
孙华伟[3]（2018）在《基于深度学习的手写英文字母识别算法研究》一文中研究指出深度学习技术是机器学习领域的一个重要子学科,其前身是神经网络。近年来,由于技术的突破,深度学习在计算机视觉、自然语言处理、机器翻译、无人驾驶还有机器人等人工智能相关领域都取得了很好的成绩。图像识别也是深度学习技术中一个十分重要的研究领域。它和其它的深度学习领域一样都需要面对过拟合和计算效率这两个难题。本文研究深度学习技术和卷积神经网络在图像识别领域的计算效率问题。虽然对于目前绝大多数的图像识别任务,在有足够数据的情况下,只要增加模型的复杂度,使用更多的计算资源或者更强大的专业计算设备,就可以使精度得到提升。但在许多现实情况中,例如在机械工程应用中,可以把这种基于神经网络的深度学习算法应用到工业机器人的图像识别算法上,利用该算法进行商品或者零件的分拣。而工业机器人中可利用的计算资源是有限的,限制了应用中能够使用的模型的复杂度。需要提高计算效率,降低参数的数量,才可能将其应用到更多的实际场景中。为了提高计算效率,本文基于多分支的Inception结构,提出了一种Inception结构的变体,利用它构成了深度卷积神经网络,并取得了较好的分类效果和较高的计算效率。本文的主要内容如下:1.通过对比实验,确定Inception所代表的多分支结构能获得比VGGNet所代表的直线型结构更好的结果。2.通过对Inception原型结构中的卷积核进行拆分,删除部分拆分后的卷积核,然后将剩余的卷积核重新安排到不同分支中的方式,提出了Inception结构的变体。在堆迭Inception变体结构,构建完整卷积神经网络时,适当增加了一些其他层级并调整了一些超参数。在和原型的对比实验中得到以下结果:第一,在相同的软、硬件环境下,且输入也完全相同时,针对手写英文字母数据集,变体结构能够获得92%以上的训练精度和87%以上的验证精度,略微优于原型的实验精度;第二,因为Inception变体结构所包含的参数比原型少,所以它的计算效率更高,平均每个批次的训练时间比原型减少14.898%。(本文来源于《西安电子科技大学》期刊2018-06-01）
王盟[4]（2016）在《基于遗传算法优化BP神经网络的手写体字母识别》一文中研究指出随着当前社会的发展与生活的进步,越来越多的字符与人们息息相关,英文字符也是如此。日常生活中有大量的英文信息需要整理统计,这些整理工作非常消耗人力物力,尤其是人工手写体的英文文档的整理更为繁琐耗时,由此看出英文信息识别工作尤为重要。因此本文设计了一套关于手写体字母的识别系统。主要研究内容如下:首先是图像的预处理与特征提取。在预处理中主要工作包括采用全局阈值法进行二值化,使用Canny算子将图像的边缘提取,使用改进后的垂直投影法将目标图像分割,图像归一化以及细化操作。本文采取结构特征法提取出目标图像的特征向量。其原理是将目标图像依照一定的规格划分成一个等分网络,之后计算出每一份中的黑色素所占比,最终获得所有的特征值。这种方法具有稳定准确的效果,能够保证神经网络训练过程中的稳定性。其次是图像的识别。由于手写体英文字母的书写不规则导致无法找到一个具体的模板来进行对比识别,所以本文提出将遗传算法优化后的BP神经网络作为手写体字母识别的分类器。利用遗传算法全局寻优的特性寻找出BP神经网络的最佳权值以及阈值,再将这些寻优的结果代入BP神经网络中从而解决单纯使用BP神经网络时收敛速度缓慢和难以摆脱局部最小值的缺陷。最终达到优化BP神经网络的目的。本文通过MATLAB进行手写体字母识别试验。经过网络训练后,利用该改进算法的手写体字母的识别率可以达到85.898%。实验结果表明,遗传算法改进的BP神经网络被用于手写体字母识别的方法行之有效,完成了预期的测试目标。(本文来源于《河北科技大学》期刊2016-12-01）
阙为涛[5]（2015）在《基于人工神经网络的手写字母识别研究》一文中研究指出随着模式识别技术在信息科学中的广泛应用,手写文本识别也成为了现在的热点研究内容,在我们身边常用的就有手机的手写输入,车牌自动拍照提取,文档扫描输入等,都是要求识别图像中的文本。文本识别技术在很多需要自动识别信息的领域有很重要的理论意义和实用价值。本文研究神经网络方法用于手写文本识别。本文论述了手写文本识别的意义和发展现状,讨论了字符识别预处理的灰度化、图像去噪、二值化、归一化和字符细化等基本步骤。本文实验部分对手写48×48的彩色字符图像进行灰度化、二值化、归一化为16×16的黑白图像,字符特征向量提取用到了逐像素特征提取法。将提取的字符特征转换成神经网络的输入向量。选取20组手写样本训练BP神经网络,用另外20组样本测试神经网络的识别效果。本文采用不同训练函数的BP算法进行训练,比较识别效果和效率,最后采用带动量项的自适应学习率训练函数。本实验在MATLAB平台下实现,论文最后对实验结果进行了分析总结。本文研究表明,基于BP网络的手写文本识别的正确率较高,有一定抗干扰和噪声能力,将来可以进一步应用到实践中去。(本文来源于《天津大学》期刊2015-12-01）
吾加合买提·司马义,艾斯卡尔·艾木都拉[6]（2014）在《基于中心距离特征的联机手写维吾尔文全形态字母识别研究》一文中研究指出为了提高联机手写维吾尔文字母的正确识别率,根据维吾尔文字母的手写特点,提出了中心距离特征CDF(Center Distance Feature)、并基于CDF进行了一系列识别实验。在实验中,该文采集了400个人的手写字母样本,利用CDF的叁种不同的实施方案(CDF-2,CDF-4,CDF-8)分别对维吾尔文字的32个母独立形态和128个所有形态进行了识别实验,并对实验结果进行了分析。实验结果表明,CDF是一种非常适合于维吾尔文字母识别的特征,有待于进一步改进和优化。(本文来源于《电脑知识与技术》期刊2014年13期）
刘念[7]（2014）在《基于VC++的手写字母识别系统的设计》一文中研究指出模式识别的研究成果在文本分类、语音识别、图像识别、视频识别、信息检索、医学图像分析与数据挖掘等领域得到了广泛的应用。字符识别是模式识别研究的重要内容,印刷体文字识别在国内外经过多年的研究并取得了应用性很好的成果,但手写字母识别具有大量的随意性和笔画的不规则性,对手写字母识别具有更大的难度。随着研究的深入和大量的技术引入,研究人员对手写体字母识别提出了很多种解决方案,产生了多种识别算法。所有研究提出的这些方法和相应的算法,都是在特定条件下可行,并且各有其优缺点,至今还没有发展成统一的、有效的可应用于手写字母识别的模式识别模型。集成神经网络之所以能够成为如今就手写字母识别研究方面研究的核心,是因为其能大幅度地提高系统在泛化方面的能力。在参考相关文献之后,本文重点研究BP(Back Propagation)神经网络算法和遗传算法相结合的方式来实现手写字母识别。识别系统有学习与识别两大板块,其中学习部分是由7个BP神经网络学习训练所组成的,自适应训练是按照选定的参考数值进行训练,计算出输出的误差,再按照输出的误差选择计算局部最优的神经网络算法或者选择全局最优的遗传算法,充分发挥人工神经网络算法局部寻优的计算能力和利用遗传算法全局寻优的计算能力。识别部分包括由特征提取模块和神经网络识别模块构成。字母识别只是通过网络的前馈计算得出最终的识别结果;数字识别是直接网络的前馈计算得到最终的识别结果,没有运用更为复杂的算法。利用VC++编程实现遗传神经网络算法并结合对字母识别的实验,手写字母识别测试平均识别正确率为71.92%,识别结果比较令人满意的。实验结果表明,遗传神经网络既能完成特征提取又能完成分类功能,经过足够多的原始样本训练后的遗传神经网络,其容错性和识别性比较好。(本文来源于《电子科技大学》期刊2014-03-14）
祖丽菲亚·卡哈尔,玛依热·依布拉音,艾斯卡尔·艾木都拉,地里木拉提·吐尔逊[8]（2013）在《组合特征的联机手写维吾尔字母识别》一文中研究指出通过分析维吾尔文字母自身的书写特点,为了进一步提高识别率,在原先的外围轮廓特征基础上,再提取了附加笔划形状特征、字母上下左右密度比例特征、笔画数特征以及主体部分和附加部分的位置关系特征,进行了诸多特征有效组合下的字母识别实验。其中,最高识别率达到了75.7%,比原先在单个特征下的识别率提高了近10个百分点。这表明,不同特征的有效组合是可行的,而且具有继续研究的潜力。(本文来源于《通信技术》期刊2013年05期）
唐朝辉,陈玉明,吴克寿[9]（2014）在《基于粗糙集正域的手写字母识别算法》一文中研究指出针对手写字母识别的特点,结合粗糙集相关理论,提出了一种新的手写字母识别算法。通过对采集的样本进行正态分布假设验证,保证样本的可靠性;利用粗糙集上近似、下近似以及正域概念,对手写样本决策系统进行特征选择以简化决策系统,并进一步提炼手写分类规则。实验结果表明,新算法具有较高的识别准确率,是有效可行的。(本文来源于《计算机工程与应用》期刊2014年23期）
刘卫[10]（2013）在《一种基于DHMM的脱机手写维文字母识别算法》一文中研究指出将离散隐马尔科夫模型用于脱机手写维吾尔文字母建模.采用分区编码规则,对归一化后的字母图像的笔画游程中心进行分区编码.对分区规则和数量进行了研究,同时对扫描编码进行融合和空游程定义,限制码本容量,从而形成观察序列,并用构建起的离散隐马尔科夫模型进行维吾尔文字母识别.实验结果表明:对维吾尔文字母,对比其他各类算法,该算法对手写脱机字体的变形忍耐性高,平均首选识别率为88.1%.(本文来源于《兰州大学学报(自然科学版)》期刊2013年01期）
手写字母识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了消除考试中使用答题卡的限制,提高考试阅卷的自动化水平,就手写英文字母的识别问题提出一种新的基于组合特征的识别方法。首先对待识别字符区域进行拍照,对所拍图像进行滤波、二值化、投影处理得到处理后图像,对处理后图像提取轮廓特征得到识别结果;然后对处理后图像提取形状特征,对像素数据进行差分运算得到识别结果;最后将两种不同特征的识别结果进行融合即可得到最终的识别结果。轮廓特征与形状特征相结合的组合特征手写英文字母识别方法能够互相补充,该方法不需要对图像作复杂的细化处理,减少了处理时间;也不需要提前对手写英文字母进行训练,因而比神经网络方法简单快速。通过对样本进行测试,手写英文字母识别正确率在95%以上,对于一些非常规手写体字母也能成功识别。实验证明该方法可以较快地完成手写英文字母识别,识别正确率较高,并具有较好的鲁棒性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
手写字母识别论文参考文献
[1].刘方舟.基于KNN算法的手写字母识别[J].全国流通经济.2019
[2].王维,万文略.基于组合特征的手写英文字母识别方法[J].计算机应用.2018
[3].孙华伟.基于深度学习的手写英文字母识别算法研究[D].西安电子科技大学.2018
[4].王盟.基于遗传算法优化BP神经网络的手写体字母识别[D].河北科技大学.2016
[5].阙为涛.基于人工神经网络的手写字母识别研究[D].天津大学.2015
[6].吾加合买提·司马义,艾斯卡尔·艾木都拉.基于中心距离特征的联机手写维吾尔文全形态字母识别研究[J].电脑知识与技术.2014
[7].刘念.基于VC++的手写字母识别系统的设计[D].电子科技大学.2014
[8].祖丽菲亚·卡哈尔,玛依热·依布拉音,艾斯卡尔·艾木都拉,地里木拉提·吐尔逊.组合特征的联机手写维吾尔字母识别[J].通信技术.2013
[9].唐朝辉,陈玉明,吴克寿.基于粗糙集正域的手写字母识别算法[J].计算机工程与应用.2014
[10].刘卫.一种基于DHMM的脱机手写维文字母识别算法[J].兰州大学学报(自然科学版).2013
论文知识图
